⽇中オフショア開発の専門パートナー上海物来喜電子商務有限公司

【日本J43】算力が全ての差の根源。DeepSeekが暴くAI競争の真実2026.08.02

 

【結論】
DeepSeek創業者・梁文鋒氏の 投資家向
け発言記録が示すのは、以下の事実です。

日本企業に問われるのは、総力戦での勝利
ではなく、勝てる領域を選び、そこに資源
を集中させる「選択と集中」の覚悟です。

 

 

 

 1. 一つの発言記録が突きつけたもの

①「人材の差はそれほど大きくない。
計算能力こそが、ボトルネックだ」

2026年5月20日、中国DeepSeekの創業者・
梁文鋒氏は 投資家向けの 非公開ミーティン
グで、約3時間44分にわたり語りました。

 

 

② その内容の書き起こしが、 同年7月
に流出し、業界に衝撃を与えています。

　彼はこう明言しました。
「我々と米国の違いは、主に資源にある」

 

 

③この告白は一企業の経営戦略にとどまりません。

AI競争の本質、国家間の競争構造、日本企業の立
ち位置までも照らし出す、示唆に富む内容でした。

 

 

④人材でも技術力でもなく「資源の差」
だと言い切った背景には何があるのか。

今回は、この発言記録を手がかりに AI競争
の本当のルールを読み解き、日系企業が 今
何をすべきかについてお話します。

 

 

 

 2. なぜ「計算能力」が差を生むのか

①梁氏の論理はシンプルです。

AIモデルは大量の計算実験を繰り
返すことで、初めて賢くなります。

 

モデルのアーキテクチャを探求するには数えきれ
ないほどの試行錯誤が必要で、失敗も含めた実験
の数がノウハウの蓄積を決め、蓄積が人材の成長
を決め、最終的にモデル性能の差になります。

 

 

②米国のトップラボは、潤沢なクラスターを持ち、
何度でも、アーキテクチャ実験やパラメータ探索
を行えます。

 

　一方、中国側は限られた計算資源の中で
「何を試すか」を、 厳選せざるを得ません。
　　↓
　これは、単なる設備投資の話ではなく、AI開発
　という営みそのものの「学習速度」を左右する
　メタレベルの競争条件だと言えます。

 

 

 

 3. 数字が語る溝、そして誤解しやすい点

①梁氏によれば、 米国トップモデルと同規模のモデル
を訓練するには、 NVIDIA GB300なら約5万枚、代替と
して華為（ファーウェイ）Ascend 950を使うなら、約
20万枚が必要だといいます。

 

 

②ここで注意したいのは、 これは「米国は5万枚、
中国は20万枚必要」という、国別の比較ではない
ということです。

 

Ascend950の性能は GB300の概ね 4分の1に とど
まるため、 同じ成果を得るには4倍の枚数が必要
になる、という代替関係を示す数字にすぎません。
　↓
実際に、DeepSeekが保有する計算資源は、H等価で
約2万枚、 華為から供給された Ascend950も約1.6万
枚にとどまっています。

 

同社自身「800B級」の最大規模モデルを訓練で
きる段階には まだないと、 梁氏は認めています。

 

 

③一方、 直近リリースされた DeepSeek V4 Pro
は 総パラメータ1.6兆（アクティブ約490億）と
いう構成です。

 

米国国立 標準技術研究所  (NIST)  傘下の CAISIが、
2026年5月に発表した第三者評価では DeepSeek
V4 Proの総合能力は約８ヶ月前にリリースされた
GPT-5と近い水準と判定されました。

 

 

④数学系ベンチマークでは、僅差まで詰め寄る一
方、サイバーセキュリティや抽象推論の分野では、
依然として大きな差がついています。

 

なお 「米国最新モデルは10兆パラメータ級」とい
う説も出回っていますが、これは、OpenAIなどの
公式発表ではなく、 民間研究者が独自手法で逆算
した推定値にすぎない点には注意が必要です。

 

 

 

 4.「効率化」で終わらせない克制という戦略

①市場は、 DeepSeekの躍進をしばしば
「効率化の勝利」と評価してきましたが、
梁氏は、この見方を明確に否定します。

 

梁氏は、以下に語りました。

「効率化は、計算資源への投資を終わらせない。
　中国AIと米国の核心的な差は依然として資源。

　効率化は限られたリソースの中でより大きな
　モデルを訓練するための手段にすぎない。」

 

 

②だからこそ同社は、 3D生成や動画モデル、ワール
ドモデルといった 華やかだが 本質から外れた分野に
は手を出さず、AGI研究に資源を集中投下する「克制」
を選んでいます。

 

全方位で勝つのではなく、「勝てる戦場
を選び」、そこに、資源を集中させます。
　　　↓
数学やコーディング、推論タスクといった特定領
域では、すでに世界最先端のクローズドモデルと
肩を並べる水準に達しているといいます。

 

 

 

 5. 日本企業への警鐘、楽天AI 3.0事件

① 2026年3月17日、 楽天グループは経済産業省
と、NEDOのGENIACプロジェクトの支援を受け、
「国内最大規模」を謳う日本語 LLM 「Rakuten 
AI 3.0」(総パラメータ約671億) を発表しました。

 

しかし公開直後、設定ファイルにDeepSeek V3系
のモデルタグや著作権表記が残存していることが
発覚し、 オープンソースライセンス表記を外した
以下が、批判を浴びました。

「自社開発であるかのように見せていた点」

 

 

②オープンソースモデルの活用自体は、業界でも一
般的な手法であり、それ自体は問題ではありません。

 

DeepSeekのモデルは そもそもオープンソースと
して公開されており、活用すること自体は、歓迎
されるべき動きです。
　↓
問題は「国産AIの希望」を謳いながら、ベース
となった技術の出自を、十分に説明しなかった
点にあります。

 

 

③問題の本質は性能ではなく、見せ方です。

設定ファイルに DeepSeek系モデルの痕跡や
著作権表記が残っていたことで「本当に自社
開発なのか」という疑念が噴出しました。

 

BtoBの現場では、AIは単なるツールではなく、
顧客データや 業務プロセスを預けるインフラ。

その「開発背景」が曖昧なままでは、
リスク評価そのものが成立しません。
　　　↓
極端に言えば、「高性能だが出自不明のAI」と
「やや劣るが透明性の高いAI」、どちらを選ぶ
かという経営判断が問われています。

 

 

④今回の一件は、日本企業の AI戦略において
以下を突きつけた象徴的なケースと言えます。

「信頼の設計がいかに軽視できないか」

 

　また、日本の AI開発が「ゼロから作る力」よ
　りも 「既存の成果を貼り合わせる力」に頼り
　がちな構造的課題を浮き彫りにしました。

 

 

 

 6. 年功序列という壁、そして CUDAの城壁

① DeepSeekの核心メンバーは20代・30代が中
心とされ「若手研究者」が、いきなり最前線で
モデル開発を任される体制が知られています。

 

 

②一方、日本の大企業で、研究開発の意思決定権を
握るまでには「相応の年月を要する」のが実情です。

速度が競争力を左右する AIの世界
ではこの差が重くのしかかります。

 

 

③さらに梁氏は NVIDIAのCUDA経済圏につい
ても「急速に瓦解しつつある」 と語りました。

　背景にあるのは、以下。
・AI自身がコードを書けるようになったこと

・北京大学の研究チームが開発した、オープン
　ソースの高性能演算言語「TileLang」の登場

 

 

NVIDIAのCUDA経済圏とは、NVIDIAのGPUで動く「共通の
プログラミング言語とツール」が世界中に広がり、開発者
や企業が簡単に他社へ乗り換えられない仕組みのことです。

AIや科学計算のプログラムは、CUDAを使って作られており、
他社GPUでは動かないため、 これまで蓄積したコード資産
や、ノウハウを捨てて移るコストが非常に高くなります。

この「囲い込み」によって、NVIDIAはGPUハードだけで
なく、 ソフトウェア全体で強い競争優位を保っています。

 

 

④ DeepSeekはすでに この TileLangを用い、
Ascend系チップと、NVIDIA系チップを並行
して検証する段階に入っています。

 

国産チップの価格は、NVIDIA製の4分の1程度で、
対中輸出制限版チップと 比べ、 性能面でも優位
との報道もあります。

 

 

⑤ NVIDIA一強の前提が崩れつつある今、以下は、
日本企業にとっても、無関係な話ではありません。

「ハードウェアの選択肢の多様化」

 

 

 

 7.【FAQ】
Q. DeepSeekの成果は「中国が米国
に追いついた」ことを意味するのか？

 

A. いいえ。

  NISTのCAISI評価によれば、DeepSeek V4 Pro
  の 総合能力は、 米国フロンティアモデル より
  約８か月遅れています。

 

  数学分野では肉薄する一方、サイバーセキュ
  リティや抽象推論の分野では差が残っており、
「限られた資源の中で 健闘している」 という
  評価が実態に近いといえます。

 

 

 

 8. 日系企業が今、向き合うべき問い

①梁氏の発言記録が突きつけるのは３つの問いです。

【問い❶】計算資源をどう確保し、どう効率
　的に使うかという問いから逃げていないか。

「人材が足りない」「予算が足りない」
　と嘆く前に限られたリソースの配分
　そのものを見直せているでしょうか。

 

【問い❷】何をしないかを戦略的に決断できているか。

　できることを増やすのではなく、やるべきこと
　以外を潔く手放す覚悟があるか、が問われます。

 

【問い❸】若い世代に意思決定を委ねる勇気があるか。

　DeepSeekの躍進は、20代・30代の研究者が最前線
　で判断を下せる体制なしには、生まれませんでした。

 

 

②限られた資源を、製造業やロボティクス、
医療、金融など以下の発想は、日系企業に
とっても大いに示唆に富みます。

「自社が強みを持つ領域に集中投下する」

 

 

③汎用AIの土俵で米中と正面から戦う必要はありません。

　むしろ以下に日系企業が勝てる余地が残されています。

「自社ドメインに特化した AI活用」

 

 

④リソースが潤沢な時代は終わりました。

　知恵と覚悟の時代が始まっています。
　　　↓
　日系企業に今求められているのは特定の技術や手法
　を真似ることではなく、以下を取り入れることです。

「不利な条件を戦略に変換する思考の枠組みそのもの」

 

 

（参考）「予算が足りない」「ノウハウがない」よくある懸念とその解決策

 

 

 

■著者プロフィール（おおつき）：
アジアにおける、BtoBマーケティングのプロフェ
ッショナルを自認する中国上海に住む日本人です。
Shopifyによる「自社ECサイト」、WordPressによる
「サイト制作」と LinkedIn記事やブログ記事を含む
集客効果の高い「コンテンツ制作」を 承っています。
本サイトへの来訪者は、月10,000人を 超えています。

 

 

 

 

 

本ホームページの収録内容はすべて当社に著作権があります。
無断転載・複製は、固くお断りいたします。
以下の場合には、お気軽にお問い合わせください。
サービス内容 / 機能の実現性 / お⾒積もり